一种住建领域政务热线工单派发方法及系统技术方案

本公开提供了一种住建领域政务热线工单派发方法，所述方案通过构建住建领域专业词库，对工单内容进行分词，构建文档词条矩阵；将词条矩阵输入预训练的机器学习模型，预测出工单的责任单位，并采用关联分析的方法选择预设数量可能的责任单位，共同组成责任单位的推荐集合；在选择列表中优先展示所述推荐集合中的责任单位。通过自动推荐出有限的可能责任单位，工作人员只需要在这些可能责任单位中进行选择，极大的节省了工作人员的选择时间，提升了工作人员的工作效率，节省了工单派时间。

【技术实现步骤摘要】
一种住建领域政务热线工单派发方法及系统
本公开属于工单派发
，具体涉及一种住建领域政务热线工单派发方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。专利技术人发现，当前住建部门需要承接大量的12345市民诉求，这些市民诉求对应了大量政务热线工单，在具体的工单处理过程中，工作人员面临着两大困难：首先，任务量大，工作人员每天需要处理大量工单；在处理过程中，工作人员需要确定工单所属的唯一一个责任单位，即要在系统“下拉选择框”中寻找拟派发的责任单位，而可选责任单位通常在几十个以上；工作人员想要在如此多的可选责任单位中确定一个责任单位，十分费时费力。因此，如何提升工作人员的工作效率，节省工单派发时所需时间是当前有待解决的技术问题。
技术实现思路
本公开为了解决上述问题，提出了一种住建领域政务热线工单派发方法及系统，所述方案通过自动推荐出有限的可能责任单位，工作人员只需要在这些可能责任单位中进行选择，极大的节省了工作人员的选择时间，提升了工作人员的工作效率，节省了工单派时间。根据本公开实施例的第一个方面，提供了一种住建领域政务热线工单派发方法，包括以下步骤：接听热线电话，记录语音信息，将语音数据转化为文本信息，形成工单；构建住建领域专业词库，对工单内容进行分词，基于分词结果，构建文档词条矩阵；将所述词条矩阵输入预训练的机器学习模型，预测出工单的责任单位，并采用关联分析的方法选择预设数量可能的责任单位，共同组成责任单位的推荐集合；在选择列表中优先展示所述推荐集合中的责任单位。进一步的，所述机器学习模型采用支持向量机算法，通过所述支持向量机算法推荐出所述工单可能的一个责任单位。进一步的，所述关联分析方法的具体步骤包括：将所有历史工单数据导入预训练的机器学习模型中进行预测，将结果中预测错误的工单提取出来，分析每个责任单位有可能被误预测的责任单位，接着统计出推荐责任单位的频率，依据频率大小选择出前k个责任单位，关联分析提取的k个责任单位与支持向量机预测的一个责任单位，共同组成推荐的责任单位集合，此处的k为大于零的整数。进一步的，对工单数据进行预处理的具体过程包括：构建噪音数据库，剔除工单中属于噪音数据库中的数据。进一步的，构建住建领域专业词库，对工单内容进行分词的具体过程包括：构建住建领域的专业词库，包括自定义专业词库与停用词词库；自定义专业词库是指作为整体出现的词语，停用词库是指无意义的语气助词。进一步的，所述住建领域专业词库内的词语分行存储，每一个词语占一行。进一步的，基于分词结果，构建文档词条矩阵的具体过程包括：以每一个分词作为单独的一列，每一行表示的是工单内容，以词语出现次数进行排列。根据本公开实施例的第二个方面，提供了一种住建领域政务热线工单自动派发系统，包括：工单转化模块，被配置为获取热线电话，记录语音信息，将语音数据转化为文本信息，形成工单；主题分析模块，被配置为构建住建领域专业词库，对工单内容进行分词，基于分词结果，构建文档词条矩阵；责任单位推荐模块，被配置为将所述词条矩阵输入预训练的机器学习模型，预测出工单的责任单位，并采用关联分析的方法选择预设数量可能的责任单位，共同组成责任单位的推荐集合；展示模块，被配置为在责任单位选择列表中优先展示所述推荐集合中的责任单位。根据本公开实施例的第三个方面，提供了一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种住建领域政务热线工单派发方法中的步骤。根据本公开实施例的第四个方面，提供了一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种住建领域政务热线工单派发方法中的步骤。与现有技术相比，本公开的有益效果为：(1)本公开所述方案通过构建住建领域专业词库，对工单内容进行分词，构建文档词条矩阵；利用预训练的机器学习模型，预测出工单的责任单位，并采用关联分析的方法选择预设数量可能的责任单位，共同组成责任单位的推荐集合，基于自动推荐出的有限可能责任单位，工作人员大多数情况下只需要在这些可能责任单位中进行选择，极大的节省了工作人员的选择时间，提升了工作人员的工作效率，节省了工单派时间。(2)本公开所述方案考虑到存在推荐集合中责任单位不存在的情况，在工单责任单位选择下拉框中仍然显示全部的责任单位，但是将推荐的特定数量的责任单位优先排列在前方，有效节省了工作人员选择责任单位的时间。本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。附图说明构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。图1为本公开实施例一中所述的一种住建领域政务热线工单派发方法流程图。具体实施方式：下面结合附图与实施例对本公开作进一步说明。应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。本公开应用于住建领域政务热线，因此首先需要对热线处理流程进行简要说明，即：基于本方案的应用场景(即住建领域政务热线)，公民拨打12345表达诉求，市长热线将公民诉求转化为工单文本信息，并转至住建部门热线平台，基本热线处理流程如下所述：a、工作人员提供人工服务，接听电话并记录用户需求信息。b、现有的语音识别技术已经较为普及，可以通过智能客服与用户进行交流，记录用户的语音，并通过某种语音识别框架将语音数据转化为文本信息。c、12345市民热线的工作人员会将记录好的公民诉求形成工单，并派发至相关的单位，其中包括住房与城乡建设数字化中心，负责处理住建领域的工单。d、住建领域政务热线工作人员在接到12345市民热线的工单之后，会标注出工单的发生地址、所述城区、行业类型以及确定责任单位。本公开的应用场域是在热线处理流程的d阶段，需要住建领域热线工作人员确定工单需要派发的责任单位。实施例一：本实施例的目的是提供一种住建领域政务热线工单派发方法。一种住建领域政务热线工单派发方法，包括：接听热线电话，记录语音信息，将语音数据转化为文本信息，形成工单；构建住建领域专业词库，对工单内容进行分词，基于分词结果，构建文档本文档来自技高网...

【技术保护点】
1.一种住建领域政务热线工单派发方法，其特征在于，包括以下步骤：/n接听热线电话，记录语音信息，将语音数据转化为文本信息，形成工单；/n构建住建领域专业词库，对工单内容进行分词，基于分词结果，构建文档词条矩阵；/n将所述词条矩阵输入预训练的机器学习模型，预测出工单的责任单位，并采用关联分析的方法选择预设数量可能的责任单位，共同组成责任单位的推荐集合；/n在选择列表中优先展示所述推荐集合中的责任单位。/n

【技术特征摘要】
1.一种住建领域政务热线工单派发方法，其特征在于，包括以下步骤：
接听热线电话，记录语音信息，将语音数据转化为文本信息，形成工单；
构建住建领域专业词库，对工单内容进行分词，基于分词结果，构建文档词条矩阵；
将所述词条矩阵输入预训练的机器学习模型，预测出工单的责任单位，并采用关联分析的方法选择预设数量可能的责任单位，共同组成责任单位的推荐集合；
在选择列表中优先展示所述推荐集合中的责任单位。


2.如权利要求1所述的一种住建领域政务热线工单派发方法，其特征在于，所述机器学习模型采用支持向量机算法，通过所述支持向量机算法推荐出所述工单可能的一个责任单位。


3.如权利要求1所述的一种住建领域政务热线工单派发方法，其特征在于，所述关联分析方法的具体步骤包括：
将所有历史工单数据导入预训练的机器学习模型中进行预测，将结果中预测错误的工单提取出来，分析每个责任单位有可能被误预测的责任单位，接着统计出推荐责任单位的频率，依据频率大小选择出前k个责任单位，关联分析提取的k个责任单位与支持向量机预测的一个责任单位，共同组成推荐的责任单位集合，此处的k为大于零的整数。


4.如权利要求1所述的一种住建领域政务热线工单派发方法，其特征在于，对工单数据进行预处理的具体过程包括：构建噪音数据库，剔除工单中属于噪音数据库中的数据。


5.如权利要求1所述的一种住建领域政务热线工单派发方法，其特征在于，构建住建领域专业词库，对工单内容进行分词的具体过程包括：构建住建领域的专业词库，包括自定义专业词库...

【专利技术属性】
技术研发人员：管一鸣，孙宗锋，王立峰，赵兴华，史勇明，柳冬，魏新，滕璇，杨崇领，韩冰，
申请(专利权)人：济南市城乡建设数字化中心，山东大学，
类型：发明
国别省市：山东;37